비교사적 군집화 알고리즘을 이용한 전산화 단층영상의 병소부위 결정에 관한 연구 = Determination of Tumor Boundaries on CT Images Using Unsupervised Clustering Algorithm

국문 초록 (Abstract)

정위적분할방사선치료(FSRT)는 병소경계에 대한 공간상위치와 형태를 정확히 결정하는 것이 큰 쟁점이다. 본 연구는 나선형 CT를 이용하여 4명의 뇌종양 환자와 팬톰(파라핀)으로부터 연속적인 횡축 단면상을 얻었다. K-mean분류 알고리즘을 적용하여 CT영상의 초기정보값을 평균화소값으로 변화시켰다. 영상의 구성은 병소영역, 정상영역, 혼합영역, 바탕영역, 가음영영역의 5영역으로 분류하였다. 주된 관심은 혼합영역 내에서 정상영역과 혼합영역을 어떻게 분리하는 가였다. 5영역 평균화소값 중에서 정상영역과 병소영역에 상대적인 평균편차 분석법을 적용하여 2영역 평균편차 화소값 사이의 최대점을 구하였다. IDL 프로그램을 이용한 반자동윤곽법으로 혼합영역내의 최대점을 연결함으로서 GTV의 경계선을 그렸다. 균일한 팬톰의 관심영역 경계선은 ±1% 이내의 오차로 평가되었다. 환자 4명의 경우는 방사선 전문의들이 그런 병소영역과 K-mean 알고리즘과 상대적인 평균편차 분석법에 의해 자동적으로 묘사된 병소영역과 거의 일치하였다. 이러한 방법들을 사용하여 불분명한 정상영역과 병소영역의 경계선을 명확하게 나타낼 수 있었다. 그러므로 CT 영상이 MRI 영상과 비교하여 간헐적으로 병소윤곽을 보여주지 못할 경우 이 방법은 치료계획을 결정할 때 유용한 CT영상 자료로 활용될 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

It is a hot issue to determine the spatial location and share of tumor boundary in fractionated stereotaotic radiotherapy(FSRT). We could get consecutive transaxial plane images from the phantom(paraffin) and 4 patients with brain tumor using helical computed tomography(HCT). K-means classification alogrithm was adjusted to change raw data pixel value in CT images into classified average pixel value. The classified images ocnsists of 5 regions that are tumor region(TR), normal region (NR), combination region(CR), uncommitted region(UR) and artifact region(AR). The major concern was how to separate the normal region from tumor region in the combination area. Relative average deviation analysis was adjusted to alter average pixel values of 5 regions into 2 regions of normal and tumor region to define maximum point among average deviation pixel values. And then we drawn gross tumor volume(GTV) boundary by connecting maximum points in images using semi-automatic contour method by IDL(Interactive Data Language) program. The error limit of the ROI boundary in homogeneous phantom is extimated within ±1%. In case of 4 patients, we could confirm that the tumor lesions described by physician and the lesions described automatically by the K-mean classification algorithm and relative average deviation analyses were similar. These methods can make uncertain boundary between normal and tumor region into clear boundary. Therefore it will be useful in the CT images-based treatment planning expecially to use above procedure apply prescribed method when CT images intermittently fail to visualize tumor volume comparing to MRI images.

목차 (Table of Contents)

• 서론
• 대상 및 방법
• 영상처리
• 결과 및 고찰
• 결론